[发明专利]高光谱图像分类方法及相关设备

说明书

本发明实施例公开一种高光谱图像分类方法及相关设备，先确定目标高光谱图像的训练样本集合和待分类样本集合，再采用类消融策略，由训练样本集合生成K个训练子集；再利用K个训练子集和预设选择策略，从待分类样本集合中选取第二预设数目的像素点加入训练样本集合中，以更新训练样本集合，并更新待分类样本集合；最后，利用更新后的训练样本集合进行模型训练以得到第一图像分类模型，并利用第一图像分类模型对更新后的待分类样本集合进行预测得到每个待分类样本的第一分类预测信息，实现对目标高光谱图像的地物分类。通过多视图处理目标高光谱图像，可以有效增强小样本分类的准确性；基于类消融的主动学习方法可以自适应输入的目标高光谱图像。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种高光谱图像分类方法及相关设备。

背景技术

光谱分辨率在10^-2λ数量级范围内的光谱图像称为高光谱图像(HyperspectralImage)。通过搭载在不同空间平台上的高光谱传感器，即成像光谱仪，在电磁波谱的紫外、可见光、近红外和中红外区域，以数十至数百个连续且细分的光谱波段对目标区域同时成像。在获得地表图像信息的同时，也获得其光谱信息，做到了光谱与图像的结合。与多光谱遥感影像相比，高光谱影像不仅在信息丰富程度方面有了极大的提高，在处理技术上，对该类光谱数据进行更为合理、有效的分析处理提供了可能。

由于高光谱图像较为复杂的空间-光谱特性，使用一种智能的方式构造尽量小的训练集合进行分类处理尤为重要。现有的高光谱图像分类方法，在使用小样本训练方法时对地物的分类准确度低，而且，面对不同分辨率、不同传感器采集的高光谱图像数据需要不同的参数设置，即在适用不同的高光谱图像数据时，需要人工干预进行参数调整，存在改进空间。

发明内容

本发明实施例提供了一种高光谱图像分类方法及相关设备，在保证自适应多种高光谱图像数据的同时，提升图像分类准确性。

第一方面，本发明实施例提供了一种高光谱图像分类方法，包括：

确定步骤，确定包括K类地物的目标高光谱图像的训练样本集合和待分类样本集合；所述目标高光谱图像由所述训练样本集合中的像素点和所述待分类样本集合中的像素点组成，所述训练样本集合包括每类地物的第一预设数目的像素点；

处理步骤，对所述训练样本集合和所述待分类样本集合进行如下处理：

根据所述训练样本集合生成K个训练子集，其中，将所述训练样本集

合剔除一类地物的像素点，以得到一个训练子集；

利用所述K个训练子集和预设选择策略，从所述待分类样本集合中选取第二预设数目的满足所述预设选择策略的像素点，将所述第二预设数目的像素点加入所述训练样本集合以更新所述训练样本集合，并从所述待分类样本集合中删除对应的像素点以更新所述待分类样本集合；

分类步骤，利用更新后的所述训练样本集合进行模型训练以得到第一图像分类模型，并利用所述第一图像分类模型对更新后的所述待分类样本集合进行预测得到每个待分类样本的第一分类预测信息。

可选地，所述利用所述K个训练子集和预设选择策略，从所述待分类样本集合中选取第二预设数目的满足所述预设选择策略的像素点，包括：

分别利用所述K个训练子集进行模型训练以得到K个第二图像分类模型，分别利用所述K个第二图像分类模型对所述待分类样本集合进行预测以得到每个待分类样本的K个第二分类预测信息；

根据所述第二分类预测信息从所述待分类样本集合中选取所述第二预设数目的像素点。

可选地，所述分别利用所述K个训练子集进行模型训练以得到K个第二图像分类模型包括：